İlk hafta başında, biz kütüphaneleri / araçlarını kullanmak için ne bilmiyordum ve biz 3D geometri ve stereo yeniden bilgimizi büyük boşluklar vardı. Biz Bilgisayar Görme Peter Sturm çok iyi yapılmış ders okumak ve Visual C + + ve OpenCV ile kabul var. Internetten örnekler dışında, hiçbir şey itibaren, zor kısmı bir yazılım ve onun gelişimini düzenlemek oldu. Sınıflar ve yöntemler: Biz yazılım belkemiğidir yaratmaya başladı.
Biz OpenCV yöntemleri (kalibrasyon için çok yararlı olabilir bir satranç tahtası üzerinde köşeleri, algılayan bir yöntem yoktur) kullanarak, kendi kendine kalibrasyon aracı yapabiliriz diye düşündüm. Ama bu uzun bir süreçtir ve biz kendisini Capture Hareket üzerinde çoğu zaman harcamak istedim, bu yüzden biz bizim kameralar kalibre MatLab kullanmaya karar verdi. Biz bir MatLab dosyadan bizim yazılım içine sonuç almak mümkün bir fonksiyon inşa yüzden.
Birkaç gün boyunca biz bizim dizüstü bilgisayarlar, bizim webcam video akışı kontrol edebilecek şekilde yapılan deneyler ve testler yapılmıştır. Biz webcam yapılandırma paneli açabilir basit bir yumuşak kod ve çekim almaya çalıştı. Biz bir satranç tahtası bir kalibrasyon deseni çekim için kullandı.
Diğer taraftan, düşük kaliteli bir resim üzerinde beyaz lekeler tespit etmek mümkün olacaktır görüntü işleme algoritmaları hakkında düşünmek için başladı. Algoritmalar ve yöntemleri görüntü işleme sayfasında ayrıntılı olarak açıklanmıştır.
Biz USB portların bant genişliğini değerlendirmek için çalıştık yüzden bir gerçek-zamanlı yazılım, ve dizüstü kapasite oluşturmak için mümkün olacaktır eğer Aslında biz bilmiyorduk. Sonuçlar disapointing: Biz dizüstü başına maksimum iki cams söylemek için USB denetleyicisi, başına bir cam takmak zorunda gerçek zamanlı bir akışı almak için. Daha neler, biz OpenCV yakalama metodları kullanarak fakir bir Framerate vardı ve görüntü işleme algoritmalarının bir resim hesaplamak için çok fazla zaman gerektiren verildi, biz gerçek zamanlı yakalama, tek bir bilgisayarda imkansız olduğu sonucuna vardı.
Neyse ki biz video akışı yakalamak için başka bir yol buldum: o CvCam denir ve OpenCV parçası var. Biz de birkaç bilgisayar üzerinde yükü yaymak için çalıştı.
Böylece, şebeke geldi. Istemci başına bir kam ile dizüstü-gözler, ve bir sunucu-beyin, biz 33 ms (maks kam frekansı 30 FPS idi) içinde biz gerekli tüm resimlerin olsun başardık. Istemcileri, sunucuya bağlandıktan sonra, daha sonra, bir çekim beyaz noktalar bulmak ve sunucu bu noktalar koordinatları göndermek, bir yakalama isteğini bekleyecek. Ağ da yakalar eşitleme sağlar. Ağ sayfasında Daha fazla detay.
Ağ kurulum sonra, hız ve bant genişliği kapasiteleri üzerinde bazı testler yapılmıştır. Üzerinde sadece birkaç veri transit göz önüne alındığında, gerçek zamanlı yakalama için nihayet hazır.
HAFTA 2.
şimdi gerekli ilk şey ne yaptığını test etmek possibilty oldu. Biz sahne (şu anda sadece kameralar) görselleştirmek için, OpenGL iplik, sunucu tarafında eklendi.
Biz görüntüleri işlemek için değişik yöntemler denedi, biz beyaz lekeler giyen, siyah takımlı modellerin çekim aldı. Ve bizim algoritmaları test. Aslında görüntüleri işlemek için en iyi yolu yumuşak lansmanda parametrelerini ayarlamak için: Biz tam otomatik yapılandırma vazgeçti: webcam değişik, parlaklık değişimleri vardır ...
Kalibrasyon parçasıyız yakalama: OpenCV-CvCam-hata nedeniyle, iki bölüme ayrılmış yumuşak. Neden? biz bir ilk ağ motor çalıştırmak için iplik, ve başka bir video akışı elde etmek için, ve henüz biz yakalama kendi iş parçacığı oluşturur ve biz başka bir iş parçacığı koyamazsınız başlatmak için çağırmak CvCam yöntemleri gerekir çünkü.Çözüm bulduk: biz kendi iş parçacığı oluşturur ama biz Programdan çıkmadan artık (dur) bunu kontrol edemez, sonra yakalama başlar, ana iş parçacığı ağ başlar. Biz kalibrasyon ve yakalama arasında bir duraklama gerekebilir Çünkü, biz iki parçaya bölmek için karar verdi.
Diğer bir temel sorun sahnenin başlatma oldu. Biz beyaz lekeler takip etmek gerekir ve sunucu olmayan tek tespit 2B koordinatları alma, ve bu nedenle her yerinde izlemek için bir startpoint gerekiyor çünkü, o zaman belirlemek gerekir. Bizim fikir modelin kollarını yayılır olduğu bir başlatma bölümü, tanıtmak, ve hala kalmak oldu.Sonra her istemcilerde, önceden tanımlanmış bir sırayla noktalar üzerine tıklayın. Biz müşteri tarafından belirlenen noktalar tutmak için küçük bir izleme sistemi kurdunuz. Biz yakalama başlama isteği sunucuya göndermek, her müşteri sipariş veri gönderir, başlatma sırası bitti.
Biz reproject 2B kam resmi bir 3B noktaları mümkün kodlama yöntemleri ile 3D rekonstrüksiyon başladı ve değişik kameralarında (en az 2) birkaç el bir 3B noktaları yeniden. Biz matrisler ve vektörler üzerinde çalışmak için matematiksel araçları bir dizi uygulamaya.
HAFTA 3.
Testleri ve hata ayıklama bir sürü bir çalışma programı almak için yapılır. Biz yeniden hesaplamak kalibrasyon verileri: MatLab kamera sistemi içinde satranç tahtası koordinatlarını aslında döner, biz kamera satranç tahtası sistemindeki koordinatlar olduğunu düşündüm. Sistem değişiklikleri koordinat beyin kırma yansımaları geçen bir günün ardından, biz kameraların çok iyi konum ve yönelimi için yönetmek.
Biz sadece 1 top ile izleme olmadan sistemi çalıştı ve iyi iş gibi görünüyor, siyah modelin hamle de openGL sahnesinde temsil edilmektedir. Biz OpenGL ve OpenCV arasında bir fark ile uğraşmak zorunda kaldı: Y-ekseni inen yüzden OpenCV için sağ üst köşedeki pikselden 0,0 alır. ama openGL içinde yükseliyor. Şimdi her şey yolunda olduğunu!
Biz birkaç topları ile sistemi kullanmak için, Epipolar hatlarını kullanarak, 3D izlemeyi şimdi çalışmıyor.
HAFTA 4.
Wether 2 ışınları kesiştiği değerlendirmek Epipolar kısıtlama kullanarak ilk ve diğer kullanım ışınları arasındaki gerçek mesafeleri: Biz takip sistemi çeşitli sürümlerini yaptık.
Biz 1 ila 5 topları ile, 2, 3 ve 4 kameralar kullanarak, bazı deneyler yaptılar. Bu 2 cams iyi çalıştı, ama biz oklüzyonlar ile uğraşmak zorunda, bu verimli değildir. Izleme sistemi topları bir sürü görür ve bazı seçim vardır: hiçbir yerinde, bu yüzden hareket düzgün değil varsa bile kesiştiği birçok ışınları vardır çünkü 2'den fazla kameralar ile, "hayalet" noktaların sayısını büyük ölçüde artıyor Bunların eski konumuna noktalar ile eşleşen.Böylece bu kararsız gibi görünüyor, ve biz bu geliştirmek için bir yol bulmak için şimdi deneyin.
ÖZET:
Var aslında çalışır:
Ağ, kalibrasyon, görüntü işleme, 3D rekonstrüksiyon, izleme ve görselleştirme: Biz söylemek için 2 cams ile çalışıyor bütün bir sistem var.
Ne sorunu biz encoutered adres:
Ağ:
VC Garip davranışları + + hata ayıklama modunda ağ ile: accept () yöntemi hata ayıklama modunda çalışmaz ve biz örneğin, bazı değişkenlerin doğası (lokal veya global) bağlı olarak, serbest o ile bazı sorunlar vardı bazen ağ bir kaza olurken bizim Sahnesi ...
biz select () yöntemi, STDIN akışı kullanarak, aslında windows üzerinde çalışmaz eklemek için çalıştı Klavye yönetimi.
Kameralar:
USB bant genişliği aynı anda birçok kamları kullanmak için iki zayıftır.
HighGui yakalama yöntemleri bu CvCam kullanmak için gerekli böylece çok düşük bir kare sağlar.
Kalibrasyon:
Biz hala kalibrasyon için MatLab kullanmanız gerekir, biz hareket kendisini yakalamak üzerine odaklanmayı tercih ettik, ama bir daha da geliştirilmesi kendi kalibrasyon yapmak için OpenCV bazı araçlar vardır.
çünkü MatLab tarafından da döndürülen matrisler ile ilgili bir sorun vardı biz onların anlamını yanlış.
3D İmar ve İzleme :
Biz daha önce açıklandığı kullandığımız geometri kararsızlık nedeniyle biz 3 kamlar veya daha fazla kullanan bazı sorunları var.
Görüntü İşleme:
Biz bir elle yapılandırma geçiş böylece resimlerin histogram eşitleme yeterince işe yaramadı.
Yakalama:
Biz zor CvCam yakalama parçacığı kontrol altına almayı başarmıştır .. Programın çıkış nedeniyle bu için oldukça "kirli" dir.
Çekimleri sırasında:
Biz projeden dolayı "ucuz" bir yönü bazı ışık sorunları vardı, biz amele siyah odanın ışık sistemi telefonunun tavandan geliyordu ve o anlaşılmaz gölgeler olurken çünkü güneş ışığı kullanmak zorundayım.
SONUÇ
Bu ay boyunca, bu web sitesinde ayrıntıları görebilirsiniz tüm biz uğraşmak zorunda yönlerini ve bu da dahil olmak üzere, sıfırdan bir sistem inşa etmek zorundaydı. Biz de her aşaması için kendi algoritmalarını inşa. Biz ucuz webcam bizim kamera hataları ve kusurları toplamı nedeniyle kameranın bir sürü kullanırken nedenle kararsız ucuz mocap sistemi, yapmak istedim.
Yine sistemi epeyce cams sastisfying ve düşünüyor ki gerekli tüm işi yapmak için sadece 1 ay oldu.
Bugün 88 Kişi 19 ziyaretçi (34 klik) Toplam 321439784858941325
